基于GMM的運動目標檢測和陰影消除算法研究.pdf

1、近年來，視頻監(jiān)控系統(tǒng)發(fā)展迅速，廣泛地應用到了交通運輸、金融銀行、軍事安全等諸多領域，是計算機視覺的重要應用。復雜場景的運動目標檢測技術是智能視頻監(jiān)控領域的研究熱點，為后續(xù)的目標追蹤、智能報警的研究奠定了基礎。本文對靜態(tài)場景的目標檢測技術進行了深入的探索，并著重研究了混合高斯背景建模運動目標檢測和陰影消除的問題。主要工作如下：
　　針對傳統(tǒng)GMM（Gaussian Mixture Model，混合高斯建模）方法參數(shù)初始化粗糙，導致背

2、景估計偏差較大的問題，提出了一種K-EM參數(shù)初始化優(yōu)化方案。首先，對獲取的視頻幀圖像進行形態(tài)學去噪，然后引入HSV顏色模式，建立HSV空間下的混合高斯背景模型，并結合K-means算法與EM算法完成參數(shù)的初始化。實驗證明，在室外光照條件下，該算法的前景檢測率較高，但陰影抑制效果不明顯。
　　在目標陰影消除方面，本文提出了一種基于顏色-紋理模糊積分雙特征的陰影消除算法。首先在HSV顏色空間下進行像素的顏色聚類，對紋理特征采用旋轉不變

3、的LBP均一化模式。然后利用模糊理論中的Choquet模糊積分融合二者的相似度量值，與選定的閾值進行比較，分離前景目標與背景。通過實驗分析，該算法對于目標與背景差別較大的圖像檢測效果較好，對于小目標或偽裝色目標的檢測效果不明顯。
　　針對雙特征陰影消除算法的不足，本文提出了一種PCA（Principal Component Analysis，主成分分析法）與Choquet積分相結合的多特征融合的陰影消除方案。首先采用PCA方法提取